Конвертер NIST в MP2

NIST SPHERE (SPeech HEader REsources) — специализированный аудиоформат, созданный Национальным институтом стандартов и технологий для исследований речи, в особенности проектов, финансируемых DARPA. Формат оборачивает сырые аудиосэмплы структурированным ASCII-заголовком, содержащим метаданные: частоту дискретизации, количество каналов, тип кодирования, демографические данные дикторов и аннотации транскрипций — что делает его идеальным для распространения речевых корпусов. Файлы NIST обычно хранят несжатое PCM или mu-law аудио при телефонных частотах дискретизации (8 кГц или 16 кГц), хотя контейнер достаточно гибок для различных кодировок. Ключевое преимущество — богатый самодокументирующийся заголовок, позволяющий исследователям встраивать подробные метаданные корпуса прямо в файл, исключая сопутствующие файлы. SPHERE также стал де-факто стандартом для крупных баз речевых данных — TIMIT, Switchboard и корпуса Fisher, — обеспечивая широкое признание в академических и государственных лабораториях. Открытая спецификация и доступность утилит командной строки (sphere, h_strip, w_decode) делают конвертацию, инспекцию и обработку этих файлов в конвейерах речевой обработки простой задачей.

MP2 (MPEG-1 Audio Layer II), также известный по первоначальному названию проекта MUSICAM — перцептивный аудиокодек, стандартизованный как часть ISO/IEC 11172-3 в 1993 году. Хотя его преемник MP3 завоевал внимание массового потребителя, MP2 занял прочную нишу в профессиональном вещании, которую удерживает по сей день. Кодек разбивает аудио на 32 подполосы с помощью полифазного фильтра, применяет психоакустическую модель для определения порогов маскирования, а затем квантует и кодирует каждую подполосу по Хаффману. Типичные вещательные конфигурации используют 192-384 кбит/с для стерео, обеспечивая прозрачное качество при меньшей сложности кодера и лучшей устойчивости к ошибкам, чем Layer III. Именно поэтому стандарты DVB-телевидения, DAB-радио и HDV-камкордеры предписывают или предпочитают MP2. Задержка кодирования тоже ниже — важное свойство для прямого вещания, где синхронизация звука и изображения критична. Три преимущества поддерживают актуальность MP2 спустя десятилетия после стандартизации: плавная деградация при ошибках передачи, жизненно важная для эфирных сигналов; минимальная задержка кодирования для вещательных цепочек реального времени; и укоренившееся нормативное признание в европейских и азиатских вещательных системах.